DissertationsEnLigne.com - Dissertations gratuites, mémoires, discours et notes de recherche
Recherche

NeuroImagerie : les différentes étapes d’une expérimentation en IRM

Fiche : NeuroImagerie : les différentes étapes d’une expérimentation en IRM. Rechercher de 53 000+ Dissertation Gratuites et Mémoires

Par   •  12 Novembre 2018  •  Fiche  •  347 Mots (2 Pages)  •  687 Vues

Page 1 sur 2

NeuroImagerie : les différentes étapes d’une expérimentation en IRM

  1. Acquisition :

Déterminer les paramètre d’acqui : si on veut enregsit tt le cerveu ou seulement une partie. Définir le volume de cerveau à enregistrer. Choisir le nombre de coupes, l’épaisseur et l’espace. Ça donne la résolution spatiale de l’enregistrement.

Décider de la résolution temporelle :

Dépend de la machine (1.5, 3, 7 tesla).

Temps d’aqui d’un volumen fonctionenel = temps de répétition TR = temps qu’on met pour aquérir un volume fonctionnel = 2.4s.  c le temps que va mettre le scannaire pour acqurir 36 coupes.

Contraintes :

Respiraiton : fait varier le volume cérébral.

  1. Traitement des images en IRMf :
  1. Prétraitements de données : c’est une modificaiton des images

- Correction slice timing : du fait de l’quisition coupe par coupe, on aquière pas els voxels et les coupes au même moment, corriger le décalage temporellé lié à l’acquisition par coupe

- correction de mouvements de la tête : recaler les images fonctionnelles par rapport à une image de référence :

- normalisation sâtioale :

Etude de régions d’interet

ROI fonctionnelles localizes : localize des régions non localisable d’un point de vue anatomique :

Localiser MT : Tous les sujets sont testés par des stimulis visuels en mouvement, analyse des images du run, appartition de la régio activé par stimu visu en mouvement. C une région fonctionnelle et non pas anatomique.

  • Lissage spatial :2x la résolition spatiale d’acquisition, pas de lissage lors d’analyse de cas (par ex avant et après traitement).
  1. Analyse statstique :

Définition rdes régresseurs : scan = volume fonctionnel

Régrésseur = réponse theori à la quelle je m’attends si un voxel est sensible à la condition (stimu)

Y signal

R : regresseur

Il doit y avoir une relation lineaire entre eux (ils se superposent)

Pour chaque codntiion je crée le régresseur, le sujet es très impliqué lors des runs fonctionnels, toutes les variations de signaux doivent être expliquées par les conditons expérimentales.

E : erreur résiduelle

M : moyenne du signal

Le but : calculer les coef bêta dans tous les voxels, sélection uniquement des voxels dont  les bêtas sont diff de 0  région activée par condition 1

...

Télécharger au format  txt (2.3 Kb)   pdf (49.9 Kb)   docx (11.6 Kb)  
Voir 1 page de plus »
Uniquement disponible sur DissertationsEnLigne.com